人工智能遇冷,腾讯云升级之后的大数据AI版图

标签: 业界 | 发表时间:2019-12-14 18:04 | 作者:
出处:https://www.leiphone.com

2019年,人工智能遇冷。一年半以前,腾讯云副总裁王龙在与腾讯系创业公司内部分享时提出,AI期望值已经到了一个比较高的阶段,潜在风险浮现。2019年这样的趋势变得更加明显,最典型的事实是从2017年的顶点到2019年,AI投资融资事件频次降落了70%。

投资冬天已至,AI何去何从?

本质上各大人工智能平台都是厂商自身能力外化的结果,和厂商原有业务属性高度相似。腾讯云上的AI能力首先来自于腾讯内部,如社交、游戏场景等,在各个场景里经过反复的积累和打磨,放到腾讯云上用户直接可以用,这也是目前大多数人工智能平台厂商还在做的事情:第一,与行业客户、开发者不断交流、调研和访谈,了解大家需要什么样的能力;第二,不断和内部团队交流,看看不同团队有什么样的能力可以放到腾讯云上,服务客户和合作伙伴、开发者。

腾讯云副总裁王龙

人工智能不是互联网式的野蛮圈地,随着行业向纵深化发展,做人工智能就是做产品。王龙对此有清晰的认知,也因此他并没有讲宏观而空洞的构想,小处着眼,产品才是他最关心的方向。

“我不是做市场而是做产品的,我们一直秉持满足行业趋势、满足客户需求,来决定现在应该做什么,将来应该做什么。”

AI技术本身依赖于几个要素:好的数据、好的算法、高性价比的计算框架,王龙提到,能找到好的数据的地方,能够使用好的低成本框架计算进行训练,以及能够找到好的算法模型,这三点的发展现在都到了瓶颈了。“大部分情况下,大家都知道这里数据很好,但哪里有更好的数据,不知道。大家都知道这个算法模型很不错,但如何找到更好的算法、模型呢,不知道。同样的,大家算力、框架上比拼也变得越来越透明化。”

人工智能发展至今,或许是一场白刃战。

也因此,腾讯云的AI策略遵循两个大的基本方向,一方面,在技术成熟的领域持续不断地提升自己的性价比,在一些细分的方向上力求不断做得更好,例如AntiFakes(AI换脸甄别技术)。

王龙提到,不管是人脸识别,还是数据分析,其实技术都趋于成熟,但同时竞争也趋于同质化。几个小时的培训课程再加上几个小时的训练,用户就可以满足自己人脸识别的需求,竞争激烈进入到比拼性价比的时代。

另一方面,在产业互联网持续加大投入,去帮助场景更加复杂同时价值可能也更高的这一部分市场客户,提供AI及大数据价值。反映到产品层,也是遵循了这个思路。 

产业互联网就是人工智能更广阔的空间,更丰富的想象力,金融、制造、工业、交通、零售等等这些领域,在更好的数据获取,更好的算法模型以及更好的资源调度上,都有非常多的不确定性,包括腾讯云在内的厂商都在摸索期,一个数据获取在零售领域的方法论,到底在交通领域能不能泛化?一个算法模型在另外一个领域能不能使用?挑战与试错是主旋律。

腾讯云人工智能产品版图,七大新品发布

在视觉AI领域,腾讯云集合了腾讯优图、腾讯安平AI安全实验室、腾讯AI Lab、微信开放平台等团队的能力,此次共发布AntiFakes假脸甄别、微码、信息流智能图像以及智能相册四大新品。

其中,AntiFakes是对当下热门deepfake的回应,基于图像算法和视觉AI技术,AntiFakes假脸甄别技术实现了对图片或视频中的人脸真伪进行高效快速的检测和分析,鉴别图片中的人脸是否为AI换脸算法、APP 所生成的假脸,最终对图像或视频的风险等级进行评估。

“腾讯云在这个事情上面既做了矛,又做了盾,一方面通过矛来去让大家在视频的新玩法上面能够有更新的玩法去用,但是另外一方面,我们要防止这些玩法被坏人利用,去做一些坏事。”腾讯云人工智能产品总经理刘黎春表示。

微码是和微信同款的扫码能力放到了腾讯云上,与开源扫码功能比较,腾讯云的微码经过微信十几亿用户的场景锤炼,比如一个图里有多个码,或者图非常大但码非常小,还有可能出现二维码模糊,一般算法很难识别等问题,细致到十几亿用户每天的各种场景,微码可以做到“一码扫天下”。

信息流智能图像应用于信息流的推荐,平台需要判断哪个信息有更好的点击率,会更受用户的欢迎,信息流智能图像源于腾讯内部信息流能力整合,帮助平台能够更好地从海量图片库里挑选出一些更受用户欢迎的,有更高的点击率的图片,节省大量的人工筛选图片的成本。

智能相册主要是图片智能打标签、智能分类,腾讯的微云、QQ空间、QQ手机管家,都涉及到图片存储、自动打标签,自动分类功能。

腾讯云还发布了语言模型自学习工具和NLP自定义训练平台。

通用语音识别能力已拥有很高的识别率,但特定企业场景下存在大量生僻名词,目前行业内通用识别的效果较差。通过添加企业典型业务对话场景下的字词句,自助提升特定场景下特定名词识别的准确率,从而让语音机器人、电话录音质检等行业的语音识别效果得到大幅提升。

在NLP领域,为了达到更好的效果,预训练语言模型的使用已经成为一个很普遍的做法,但效果提升的同时也带来了模型训练成本的不断攀升,以目前行业较大规模的模型训练为例,用200G语料训练一个3亿参数的bert模型,需要1400多张V100的GPU,训练500多分钟才能得到一个可用的模型。腾讯云新发布的AutoNLP依托腾讯云语料积累和公有云算力,一次训练多次使用,提供数十个腾讯自研的预训练模型,极大地降低训练成本,提升模型创新及应用效率,缩短定制化项目交付的周期。

同时,针对图计算在行业领域的应用难题,腾讯云推出的图计算引擎腾讯星图封装了微信Plato图计算框架,可大幅提升图计算性能,在内存消耗降低7-10倍的情况下,性能提升了近50倍。

腾讯云大数据产品版图,四大新品发布

腾讯云也在持续构建平台来简化各种工具使用和集成的难度。例如大数据平台TBDS,灵活搭载全场景大数据存储、分析和管理工具,一站式的协助企业构建符合其自身需要的数据中台。该平台源自于腾讯内部多年的技术积累,支持了20万算力弹性资源池,每日分析任务数达1500万,每日接入35万亿条数据,每日实时计算次数达30万亿次。

另外,人工智能平台云智天枢TI Matrix持续降低构建与应用AI能力的门槛,无缝联动腾讯内部各大实验室、以及微信与企业微信的集成能力,为开发者提供全链路的人工智能应用开发、部署和管理能力。今年以来,平台新增接入算法模型1000+,联动AI领域合作伙伴超过100家,支撑50多个AI应用场景落地。

不只是企业,当下比较传统的公安、政府等行业也开始越来越多运用大数据,大数据驱动企业发展,成为一个越来越流行的趋势。

腾讯云研发总监雷小平以公安大数据平台的构建举例,平台成本主要分为两部分,第一是整个平台的构建,包括运维成本;第二,有了平台之后,数据如何应用给企业带来比较大的价值,腾讯云想从这两个问题出发,来解决客户遇到的问题。

腾讯在大数据的积累以十年计数,大概分为四层:

最下面是云的基础设施,体现云的极致弹性,企业、用户需要多少资源可以马上从云上获取;

依托于基础云的平台,上面会有一层大数据的基础设施,腾讯云把大数据的场景抽象成五、六个典型场景,企业可以比较快的从云上面构建一个场景,比如现成的数据仓库和搜索等。

平台之上是推荐产品,这块涉及到比较新的技术门槛,腾讯云会封装一些领域型的产品,把之前积累的能力封装到里面。雷小平主要介绍了企业画像、公共趋势分析、智能选址、智能推荐四个应用。

在这之上,每个行业对能力应用要求还不一样,数据需求也不一样,所以腾讯云根据每个行业的诉求点做成了一层专门的行业解决方案。从上到下的四层关系,形成解决企业大数据的领域的架构图。

新品发布环节,腾讯云发布了三款产品。弹性MapReduce,腾讯云表示它基本上能解决所有大数据在应用当中的问题,可以很方便地在云上购买服务;ES产品,解决客户在大量日志的检索以及搜索的场景,通过内核深度优化,ES集群支撑千级节点,内存占用减少80%,写入性能也提升很多;云端数据仓库,针对中小型企业不希望耗费人力去培养非常大的数据团队,而又希望做一些数据分析的需求。

此外,腾讯云还发布了企业画像平台,企业画像平台是腾讯云推出的面向智慧城市、金融监管、企业评估等场景的企业大数据综合服务平台,通过构建百亿级的知识图谱,洞察企业风险和价值。雷锋网雷锋网雷锋网

相关 [人工智能 腾讯云 升级] 推荐:

人工智能遇冷,腾讯云升级之后的大数据AI版图

- - 雷锋网
一年半以前,腾讯云副总裁王龙在与腾讯系创业公司内部分享时提出,AI期望值已经到了一个比较高的阶段,潜在风险浮现. 2019年这样的趋势变得更加明显,最典型的事实是从2017年的顶点到2019年,AI投资融资事件频次降落了70%. 本质上各大人工智能平台都是厂商自身能力外化的结果,和厂商原有业务属性高度相似.

浅谈“HTAP” - 云+社区 - 腾讯云

- -
HTAP是近些年来比较火的一个概念,下面就聊聊其前世今生及技术特点. 根据数据的使用特征,可简单做如下划分. 在选择技术平台之前,我们需要做好这样的定位. OLTP是事件驱动、面向应用的,也称为面向交易的处理过程. 其基本特征是前台接收的用户数据可以立即传送到计算中心进行处理,并在很短的时间内给出处理结果,是对用户操作的快速响应.

人工智能技术新进展

- - 生命奥秘
新的计算机人脑模型可以模拟更加复杂的人类行为. 人类的大脑是一个高度复杂的器官,在众多对人类大脑的研究工作当中就包括了从分子水平到人类行为活动水平等多个层面采集大脑相关信息的工作. 这种超大范围的研究方式很有可能会让大脑研究走向专业不断细化的发展方向,这种趋势虽然有利于大脑研究的不断深化,可是同时也会带来知识碎片化的结果.

由人工智能管理的港铁

- - Solidot
港铁公司运营香港地铁跻身全世界最出色地铁系统之列,它的准时抵达记录高达99.9%,超过了伦敦和纽约地铁. 数百公里长的繁忙地铁系统需要大量人力维护,港铁公司平均每周有多达1万人执行2600项维护工作,工人们工作都是提前规划好的,由人工智能进行管理. 港铁公司计划将人工智能推广到它在其它城市运营的地铁系统,其中北京有可能第一个采用.

[微言]人工智能有多可怕?

- - 海德沙龙(HeadSalon)
@whigzhou: 花了两个多小时思考强人工智能引出的问题,得出的结论是:相信陪审团. 然后发现,这不就是 我去年得出过的结论嘛~哈. 不过,其间经历的逻辑链条那是相当漫长,而且有了一些新想法,容我慢慢道来. @whigzhou: 1)强人工智能很快(也就是几十年内)会出现;2)强AI的出现会让世界很不一样,但并不像有些人所想象的#那么#不一样;3)其实,“只有一小撮人(或组织)有能力做一些绝大多数人做不到、甚至完全无法理解的事情”——这早就不是什么新鲜事了.

注意:人工智能非你所想!

- - 译言最新精选
译者: 果果向前冲 原文地址: gizmodo.com. 艾萨克·阿西莫夫的机器人三定律还不足以控制人工智能. 上图是幻想插画家之父迈克尔·蕙兰为《曙光中的机器人》设计的封面. 近20年前“深蓝”与盖里·卡斯帕罗夫对战象棋获胜一事被誉为史上最具意义的机器智能测试. 时至今日,谷歌的“阿法狗”与国手李世石在围棋锦标赛中决一胜负,对决前三局两次告捷,表明多年来人工智能经历了显著进化.

恰到好处的人工智能

- - 可能吧
技术不应该给用户带来使用难度,而是提高效率,并恰到好处地提供帮助. 这是我在使用 Google 智能音箱 Google Home 之后的总结. 智能、AI,是今年创投圈的关键词. 如果你在京东、淘宝上搜索各种家电,多多少少这些产品都会说自己是「智能」的,到底什么是智能. 把安卓系统塞到硬件里,这个硬件是不是就是智能了.

2017年人工智能研究报告

- - 互联网数据中心-199IT
81%的IT公司正在或者计划投资人工智能(AI). Cowen预测人工智能将会将人类的生产力提升到一个新的水平,而微软会冲在最前面. 数字化市场或市场自动化、Salesforce自动化(CRM)和数据分析将成为人工智能最为成熟的三大应用领域. 据angel.co的数据显示,目前有2200多家人工智能初创公司,其中超过50%的初创公司是在最近两年成立的.

我第一次谈人工智能

- - IT瘾-dev
不知道谁这么坏,给起了一个人工智能这个词,让通过科幻片才了解啥叫智能的普罗大众老误解人工智能,就像现在我仍然对智能手机这个词有微言,这怎么就智能了呢. 从现在表现出来的人工智能规模应用来说,本质上就是个概率统计的事,和智能根本不沾边,倒是和人工挺沾边,需要人工做大量的数据标准化加工、数据标注,再喂给算法.

ChatGPT背后人工智能算法

- - 今日话题 - 雪球
ChatGPT背后人工智能算法,关键的原创技术,其实全部都是国外公司发明的. 这里做一点简单的科普,人工智能原创性研究,中国还有很大进步空间,ChatGPT也不是普通的公司能够复刻的出来的. 深度残差网络(ResNet)由微软(亚洲)研究院发明. 在此之前,研究员们发现深度神经网络的效果要比浅层神经网络要好得多,这也就是所谓的深度学习.